拡散ポリシー学習による建設における接触を多用するロボット組立

arXiv cs.RO / 2026/4/21

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、摩擦や幾何学的制約によって許容差への対応が難しい、接触を多用する作業に焦点を当て、建設現場のロボット組立における製作不確実性の課題を扱っています。
建設規模の産業用ロボットに対し、拡散ポリシー学習を用いて、位置ずれや計測誤差があっても、きわめてはめ合いの厳しいモルティス・アンド・テノン（ほぞ組み）木材接合を行えることを提案しています。
拡散ポリシーは、力／トルクセンサーを備えた産業用ワークセルで収集した、遠隔操作によるデモンストレーションから学習されます。
実験評価（2段階）では、最良のポリシーが公称条件で成功率100%を達成し、さらに位置摂動（最大10mm）を与えた不確実性下でも平均成功率75%を示しました。
得られた結果は、拡散ポリシーが接触を考慮した制御によりミスアラインメントを補償し、厳しい公差下での頑健なロボット組立に向けた一歩になることを示唆しています。

Abstract

許容差の累積、材料の不完全性、位置決めの誤りに起因する製作上の不確実性は、特に摩擦や幾何学的制約によって支配される接触が多い操作タスクにおいて、自動化ロボット組立を実現する上で依然として重要な障壁である。本論文では、そのような不確実性のもとで頑健かつ高精度な組立を可能にするために、建設規模の産業用ロボットに拡散ポリシー学習を適用することを検討する。代表的な事例として、きわめて密に嵌合するほぞ組み木材接合（ほぞとほぞ穴の仕口）の利用を取り上げる。力／トルク計測を備えた産業用ロボット作業セルから収集したテレオペレーションによるデモンストレーションを用いて、感覚・運動（センサーモータ）拡散ポリシーを訓練する。2段階の実験研究により、基準となる性能と、10 mmまでのランダム化された位置ずれに対する頑健性を評価する。これは、サブミリメートル（1 mm未満）の継手クリアランスを大幅に上回る。最も良好に機能したポリシーは、名目条件で100%の成功を達成し、不確実性下では平均成功率75%を得た。これらの結果は、拡散ポリシーが接触を意識した制御によって位置ずれを補償できることを示す初期の証拠となり、厳しい公差のもとでの建設における頑健なロボット組立への一歩を表している。